轮毂电机分布式驱动车辆状态估计：基于EKF与UKF的7自由度模型应用

轮毂电机的七自由度模型状态估计，搞分布式驱动的你肯定绕不开。用了EKF和UKF两套滤波算法，配上Simulink跑仿真，效果还挺稳。估计速度、侧偏角、车身姿态都挺靠谱，适合你在做电动汽车控制策略或者状态感知的时候参考。

模型结构是基于车辆的7 自由度动力学来的，考虑了轮胎侧偏、车体俯仰/侧倾，挺全乎的。用了无迹卡尔曼滤波（UKF）后，非线性状态估计的精度更高，对复杂路况适应性也更强。

有意思的是，它还结合了分布式的架构，挺适合做轮边电机控制那种多节点同步估计的系统。响应也快，代码也清晰，调参稍微费点劲，但只要理解了 EKF 和 UKF 的基本原理就还好。

你要是正在做这类状态估计，推荐一起看看这些资源：分布式状态估计和控制、ekf_ukf 参数估计，还有这个Matlab Simulink 实现也挺实用的。

如果你项目用的是Simulink或者在搞车辆动态建模，可以直接上手调试；要是还没摸过 UKF，建议先通读一下EKF UKF CKF的概念对比资料，脑子里得有个底。